In this paper, we derive an analytical expression for the bit error probability of a multi-threshold (MTh) detector in the downlink three-user non-orthogonal multiple access (NOMA) based vehicular communication system with unknown noise. The MTh detector directly detects the signal of vehicle user with the highest channel gain without detecting the signals of weaker users and removing their effects. It is shown that the bit error probability performance of the MTh detector is superior to that of the successive interference cancellation (SIC) detector in a special case. Then, we propose a blind empirical characteristic function (ECF) based method to estimate the signal levels of vehicle users, required to implement the MTh detector, in unknown noise. Next, we derive an analytical expression for the variance of the proposed ECF-based estimator which is validated via computer simulations. It is shown that the ECF-based estimator is asymptotically unbiased and consistent. Furthermore, we obtain the normalized Cramér-Rao lower bound (NCRLB) for the estimators of signal levels which shows that the ECF-based estimator is almost efficient in small generalized signal-to-noise ratio (GSNR) values. Numerical results show that the ECF-based MTh detector outperforms the absolute median-based SIC detector in the mixture of Gaussian and α-stable noise.

在本文中，我们得出了基于下行链路三用户非正交多址（NOMA）的具有未知噪声的车辆通信系统中多阈值（MTh）检测器的误码率的解析表达式。MTh检测器直接检测具有最高信道增益的车辆用户信号，而无需检测较弱用户的信号并消除其影响。结果表明，在特殊情况下，MTh检测器的误码概率性能优于连续干扰消除（SIC）检测器。然后，我们提出了一种基于盲经验特征函数（ECF）的方法，以估计在未知噪声下实现MTh检测器所需的车辆用户的信号水平。下一个，我们为建议的基于ECF的估计量的方差导出了一个解析表达式，该表达式通过计算机仿真进行了验证。结果表明，基于ECF的估计量是渐近无偏的和一致的。此外，我们获得了信号电平估计量的归一化Cramér-Rao下界（NCRLB），这表明基于ECF的估计量在较小的广义信噪比（GSNR）值方面几乎是有效的。数值结果表明，在高斯和碳氢化合物的混合物中，基于ECF的MTh检测器优于基于中位数的绝对SIC检测器。我们获得了信号电平估计量的归一化Cramér-Rao下界（NCRLB），这表明基于ECF的估计量在较小的广义信噪比（GSNR）值上几乎有效。数值结果表明，在高斯和碳氢化合物的混合物中，基于ECF的MTh检测器优于基于中位数的绝对SIC检测器。我们获得了信号电平估计量的归一化Cramér-Rao下界（NCRLB），这表明基于ECF的估计量在较小的广义信噪比（GSNR）值上几乎有效。数值结果表明，在高斯和碳氢化合物的混合物中，基于ECF的MTh检测器优于基于中位数的绝对SIC检测器。α稳定噪声。

在本文中，我们得出了基于下行链路三用户非正交多址（NOMA）的具有未知噪声的车辆通信系统中多阈值（MTh）检测器的误码率的解析表达式。MTh检测器直接检测具有最高信道增益的车辆用户信号，而无需检测较弱用户的信号并消除其影响。结果表明，在特殊情况下，MTh检测器的误码概率性能优于连续干扰消除（SIC）检测器。然后，我们提出了一种基于盲经验特征函数（ECF）的方法，以估计在未知噪声下实现MTh检测器所需的车辆用户的信号水平。下一个，我们为建议的基于ECF的估计量的方差导出了一个解析表达式，该表达式通过计算机仿真进行了验证。结果表明，基于ECF的估计量是渐近无偏的和一致的。此外，我们获得了信号电平估计量的归一化Cramér-Rao下界（NCRLB），这表明基于ECF的估计量在较小的广义信噪比（GSNR）值方面几乎是有效的。数值结果表明，在高斯和碳氢化合物的混合物中，基于ECF的MTh检测器优于基于中位数的绝对SIC检测器。我们获得了信号电平估计量的归一化Cramér-Rao下界（NCRLB），这表明基于ECF的估计量在较小的广义信噪比（GSNR）值上几乎有效。数值结果表明，在高斯和碳氢化合物的混合物中，基于ECF的MTh检测器优于基于中位数的绝对SIC检测器。我们获得了信号电平估计量的归一化Cramér-Rao下界（NCRLB），这表明基于ECF的估计量在较小的广义信噪比（GSNR）值上几乎有效。数值结果表明，在高斯和碳氢化合物的混合物中，基于ECF的MTh检测器优于基于中位数的绝对SIC检测器。α稳定噪声。

在本文中，我们得出了基于下行链路三用户非正交多址（NOMA）的具有未知噪声的车辆通信系统中多阈值（MTh）检测器的误码率的解析表达式。MTh检测器直接检测具有最高信道增益的车辆用户信号，而无需检测较弱用户的信号并消除其影响。结果表明，在特殊情况下，MTh检测器的误码概率性能优于连续干扰消除（SIC）检测器。然后，我们提出了一种基于盲经验特征函数（ECF）的方法，以估计在未知噪声下实现MTh检测器所需的车辆用户的信号水平。下一个，我们为建议的基于ECF的估计量的方差导出了一个解析表达式，该表达式通过计算机仿真进行了验证。结果表明，基于ECF的估计量是渐近无偏的和一致的。此外，我们获得了信号电平估计量的归一化Cramér-Rao下界（NCRLB），这表明基于ECF的估计量在较小的广义信噪比（GSNR）值方面几乎是有效的。数值结果表明，在高斯和碳氢化合物的混合物中，基于ECF的MTh检测器优于基于中位数的绝对SIC检测器。我们获得了信号电平估计量的归一化Cramér-Rao下界（NCRLB），这表明基于ECF的估计量在较小的广义信噪比（GSNR）值上几乎有效。数值结果表明，在高斯和碳氢化合物的混合物中，基于ECF的MTh检测器优于基于中位数的绝对SIC检测器。我们获得了信号电平估计量的归一化Cramér-Rao下界（NCRLB），这表明基于ECF的估计量在较小的广义信噪比（GSNR）值上几乎有效。数值结果表明，在高斯和碳氢化合物的混合物中，基于ECF的MTh检测器优于基于中位数的绝对SIC检测器。α稳定噪声。